数字图像处理计算题复习精华版要点
数字图像处理复习提纲 (1)
数字图像处理复习提纲一、题型1.选择题（20分）2.判断题（24分）3.简答题（24分）4.计算题（12+10+10 分）二、主要内容1.数字图像处理的概念、应用图像的分类物理图像抽象图像数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
作用(1)提高图像的视感质量(2)提取图像中所包含的某些特征或特殊信息(3)图像数据的变换、编码和压缩,以便于图像的存储和传输。
2.视觉感知、图像取样与量化为什么图像取样与量化大多数传感器的输出是连续电压波形为了产生一幅数字图像，需要把连续的感知数据转化为数字形式这包括两种处理：采样和量化采样：图像空间坐标的数字化量化：图像函数值的数字化3.点变换、直方图处理、平滑滤波、锐化滤波对比度问题：对比度局部或全部偏低,影响图象视觉噪声干扰问题：使图象蒙受干扰和破坏清晰度下降问题,使图象模糊不清,甚至严重失真图象增强的目的：针对图象的退化和不足，改善图象的质量以较好地满足实际的需要平滑滤波作用模糊处理:去除图像中一些不重要的细节减小噪声平滑空间滤波器的分类：平滑线性滤波器：均值滤波器统计排序滤波器（非线性滤波器）：最大值滤波器，中值滤波器，最小值滤波器锐化滤波主要用途突出图像中的细节，增强被模糊了的细节印刷中的细微层次强调。
弥补扫描对图像的钝化超声探测成像，分辨率低，边缘模糊，通过锐化来改善图像识别中，分割前的边缘提取锐化处理恢复过度钝化、暴光不足的图像尖端武器的目标识别、定位4.频域平滑滤波、频域锐化滤波频域平滑滤波思想：边缘和其它尖锐变化（如噪声）在图像的灰度级中主要处于傅立叶变换的高频部分，因此平滑可通过衰减指定图像傅立叶变换中高频成分的范围来实现频域锐化滤波5.图像退化/复原模型、噪声模型、顺序统计滤波图像退化：图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法得不完善，导致图像质量下降产生原因：光学系统像差传感器非线性畸变光学系统中的衍射运动造成的模糊大气流动效应摄影胶片的非线性高斯噪声瑞利噪声伽马噪声指数分布噪声均匀分布噪声脉冲（椒盐）噪声6.颜色空间7.图像中存在的冗余、压缩模型、变换压缩编码解码系统为什么需要图像压缩图像的数据量通常很大，对存储、处理和传输带来许多问题图像压缩的目标消除冗余数据从数学角度看，将原始图像转化为从统计角度看尽可能不相关的数据集数据冗余数据是用来表示信息的。
数字图像处理期末复习基本内容度最终版
第1章 数字图像处理的基本知识1.1 连续图像如何转换为数字图像？数字图像将图像看成是许多大小相同、形状一致的像素组成。
这样，数字图像可以用二维矩阵表示。
将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC ）得到原始的数字图像信号。
图像的数字化包括离散和量化两个主要步骤。
在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。
1.2当对模拟图像取样时不满足取样定律将出现什么现象？从取样图像中恢复原来的图像需要满足二维的香农取样定理，否则出现失真现象。
1.3图像处理的基础、最主要的任务是什么？图像处理的基础是数学，最主要的任务就是各种算法的设计和实现。
1.4 数字图像处理主要包括哪些研究内容？1）图像变换；2）图像增强；3）图像复原； 4）图像压缩编码；5）图像分割与特征提取。
1.5 数字图像研究的三大方面：提高视觉效果、特征提取和目标识别、编码和压缩数据。
1.6 计算下面图像的平均灰度值，写出计算下面图像平均灰度值的Matlab 程序245631536262⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦答：a=[2 4 5 6;3 1 5 3;6 2 6 2];average=mean2(a);运行结果，平均average=3.751.7 写出画大小为512512⨯的黑底（灰度值为0），中央有200200⨯大小白(灰度值为1)正方形图像的Matlab 程序。
答：x=zeros(512);x(256-100:256+99,256-100:256+99)=1;imshow(x)1.8 数字图像处理就是将图像转换为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。
第2章图像处理中的常用数学变换2.1 (教材51页)用Matlab编程做出如图2.37所示图像的二维离散余弦变换(a)(b)图2.37答：% DCTa=ones(64);a(29:36,29:36)=0; % 8*8% a(29:36,31:34)=0; % 4*8f=dct2(a);figure, imshow(a,'notruesize')figure,imshow(log(abs(f)+1),'notruesize')2.2 做出对灰度图像’lenagray.bmp’进行傅里叶变换，并把直流分量平移到中央的Matlab程序，并注明每个程序的作用。
数字图像处理简答题复习重点
1、数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。
2、什么是图像识别与理解？5、简述图像几何变换与图像变换的区别。
6、图像的数字化包含哪些步骤？简述这些步骤。
7、图像量化时，如果量化级比较小会出现什么现象？为什么？8、简述二值图像与彩色图像的区别。
9、简述二值图像与灰度图像的区别。
10、简述灰度图像与彩色图像的区别。
11、简述直角坐标系中图像旋转的过程。
13、举例说明使用邻近行插值法进行空穴填充的过程。
14、举例说明使用均值插值法进行空穴填充的过程。
15、均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。
16、简述均值滤波器对椒盐噪声的滤波原理，并进行效果分析。
17、中值滤波器对椒盐噪声的滤波效果如何？试分析其中的原因。
18、使用中值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？19、使用均值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？20、写出腐蚀运算的处理过程。
21、写出膨胀运算的处理过程。
22、为什么YUV表色系适用于彩色电视的颜色表示？23、简述白平衡方法的主要原理。
24、YUV表色系的优点是什么？25、请简述快速傅里叶变换的原理。
26、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的高通滤波中的应用原理。
27、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的低通滤波中的应用原理。
28、小波变换在图像处理中有着广泛的应用，请简述其在图像的压缩中的应用原理。
29、什么是图像的无损压缩？给出2种无损压缩算法。
2、对于扫描结果：aaaabbbccdeeeeefffffff，若对其进行霍夫曼编码之后的结果是：f=01e=11 a=10 b=001 c=0001 d=0000。
若使用行程编码和霍夫曼编码的混合编码，压缩率是否能够比单纯使用霍夫曼编码有所提高？31、DCT变换编码的主要思想是什么？32、简述DCT变换编码的主要过程。
数字图像处理复习要点总结-推荐下载
1
uv F( , )
ab a b
（x,y）点；M
是集合内坐标点的总数。一个特殊的系统函数
8、图像尖锐化处理（在频谱空间相当于高通滤波）：用于增强图像的边缘及灰 度跳变部分。
9、Prewitt 算子（边缘检测算子）：包括两个有向算子（一个水平，一个垂直， 一般称为模板）。
两个特殊模板： PV
3、三基色混色及色度表示原理 （1） 相加混色（彩色电视机）和相减混色（彩色电影、幻灯片、绘画原 料）； （2） 相加、相减混色区别：一、相加混色是由发光体发出的光相加而产 生各种颜色，而相减混色是先有白色光，尔后从中减去某些成分 （吸收）得到各种颜色；二、相加混色的三基色是红、绿、蓝，而 相减混色的三基色是黄、青、紫，也就是说相加混色的补色就是相 减混色的基色。 （3） 格拉斯曼定律：一、所有颜色都可以用互相独立的三基色混合得到； 二、假如三基色的混合比例相等，则色调和色饱和度也相等；三、 任意两种颜色相混合产生的新颜色与采用三基色分别合成这两种颜 色的各自成分混合起来得到的结果相等；四、混合色的光亮度是原 来各分量光亮度的总和。 （4） 色调表示各种颜色的种类，色饱和度表示颜色的深浅。
（8） 卷积定理： 卷积公式 f (x, y) g(x, y) f ( , )g(x , y )dd
f (x, y) g(x, y) F (u, v) G(u, v) f (x, y) g(x, y) F (u, v) G(u, v)
4、傅里叶变换的性质： （1） 可分性：一个二维的傅里叶变换可用二次一维傅里叶变换实现
F (u, v) FTx FTy [ f (x, y)]
（2） 线性： FT[a1 f1 (x, y) a2 f 2 (x, y)] a1FT[ f1 (x, y)] a2 FT[ f 2 (x, y)]
《数字图像处理》复习重点总结(杂)
出 //非几何变换：原图灰度为 f(x,y),g(x,y)=T[f(x,y)], 没有位置变化，灰度值变换 R=T(r),R,r∈(0~255)//
3 模板运算、应用（★）：所谓模板就是一个系数矩阵（必须为奇数列）；模板大小：经常是奇数；模板系
数: 矩阵的元素 w1 w2 w3 w4 w5 w6 w7 w8 w9。对于某图象的子图像：z1 z2 z3 z4 z5 z6 z7 z8 z9z5 的模板运
第三章：图像变换 1 图像变换、基本运算方法：加减法：C(x,y) = A(x,y) ±B(x,y) 乘法：C(x,y) = A(x,y) * B(x,y) //求反：g(x,y) = 255 - f(x,y) 异或：g(x,y) = f(x,y) ⊕ h(x,y) 或：g(x,y) = f(x,y) ∪ h(x,y)与：g(x,y) = f(x,y) ∩ h(x,y) //
腐蚀；定义：B • S =（B ⊕ S）⊗ S；结果：1）填充对象内细小空洞 2）连接邻近对象 3）在不明显改变面 积前提下,平滑对象的边缘
第六章：图像特征提取与识别 1 表示方法： ①链码,定义：1）链码是一种边界的编码表示法。2）用边界的方向作为编码依据。为简化边 界的描述。一般描述的是边界点集。②区域骨架 ,概念,反映什么特性骨架：中轴线。设:R 是一个区域,B 为 R 的边界点,对于 R 中的点 p,找 p 在 B 上“最近”的邻居。如果 p 有多于一个的邻居,称它属于 R 的中轴（骨架） 2 边界特性： ①形状数（★）形状数定义：最小差分链码。 要会算：差分链码,最小差分链码。 差分链
第五章：图像分割 1 图像分割的定义和五大特性 // 令集合 R 代表整个图像区域,对 R 的分割可看作将 R 分成 N 个满足一下五 个条件的非空子集（子区域）R1,R2…RN: ①完备性: i=1 到 N 对 Ri 求和=R②独立性（各子区互不重叠）： i,j,i≠j,有 Ri∩Rj= ③单一性（同子区具有某些相同特性）：对 i=1,2…N,有 P(Ri)=TRUE ④互斥性（不 同子区具有某些不同特性）：对 i≠j,有 P(Ri∪Rj)=FALSE ⑤连通性（同子区像素具有连通性）：对 i=1,2,...,N, Ri 是连通的区域 // 对图像的划分满足以上定义,则 Ri（i-1,2,3…n）就称为 R 的分割。 // 2 边缘检测：（★）边缘连接,模板运算的概念,和锐化模板有区别,Huff 变换。// 基于边缘检测的霍夫变换 的原理：把直线上点的坐标变换到过点的直线的系数域,通过利用共线和直线相交的关系,使直线的提取问题 转化为计数问题。 3 阈值分割：通过取灰度门限对图像像素进行分类,该方法基于：（1）同一分割区域内由灰度值相近的像素 点组成；（2）目标物和背景、不同目标物之间的灰度值有明显差异,可通过取门限区分。 // 4 区域生长（★）：// 根据所用邻域方式和相似性准则的不同,区域生长法可以分为简单生长（像素+像素）、 质心生长法（区域+像素）和混合生长法（区域+区域）//①简单生长法：按时限确定的相似性准则,生长点 （种子点为第一生长点）接收（合并）其邻域（比如 4 邻域）的像素点,该区域生长。接收后的像素点成为 成长点,其值取种子点的值。重复该过程,直到不能生长为止,到此该区域生成。简单生长法的相似性准则为： |f(m,n)-f(s,t)|<T1, 其中 f(s,t)为种子(s,t)处的灰度值,f(m,n)为（s,t)邻域点（m,n)的灰度值,T1 为相似门限。F(s,t) 始终取种子点的值,因此这种方法对种子点的依赖性强 // ②质心生长法：相似性准则变为：|f(m,n)-f(s,t)|<T2, 这里的 f(s,t)(带上划线)是已生长区域内所有像素（所有生长点）的灰度平均值。即用已生成区域的像素灰度 均值（类似质心）作为基准,这样就可以客服简单生长法中过分依赖种子点的缺陷。 // √5 数学形态学方法： 1) 腐蚀：定义：E = B ⊗ S = { x,y | Sxy⊆ B}；结果：使二值图像减小一圈；算法：·用 3x3 的结构元素,扫描 图像的每一个像素；·用结构元素与其覆盖的二值图像做“与”操作；·如果都为 1,结果图像该像素为 1。否则 为 0。2）膨胀：定义：E = B ⊕ S = { x,y | Sxy∩B ≠Ф}；结果：使二值图像扩大一圈；算法：·用 3x3 的结构 元素,扫描图像的每一个像素；·用结构元素与其覆盖的二值图像做“与”操作； ·如果都为 0,结果图像该像素 为 0。否则为 1。3）开运算：思路：先腐蚀,再膨胀；定义：B o S = （B ⊗ S）⊕ S；结果：1）消除细小对 象 2）在细小粘连处分离对象 3）在不改变形状的前提下,平滑对象的边缘。4）闭运算：思路：先膨胀、再
数字图像处理复习要点
1.数字图像处理研究的主要内容：图像变换，图像的数字化，图像增强，图像恢复（也叫图像复原），图像编码（也叫图像压缩），图像重建，图像分析，图像分割。
（大概了解下每个含义）2.什么是数字图像：数字图像是指又被称作像素的小块区域组成的二维矩阵。
3.数字图像处理：用数字计算机及其他有关数字技术，对图像施加某种运算和处理，从而达到某种预想的目的。
4.数字图像处理的困难性在于：运算量打，存储量大。
5.数字图像工程：人工智能，模式识别，图像处理三维一体。
6.人眼在灰度变化剧烈区估计灰度能力差（对应高频信息）。
在灰度变化平缓区估计灰度能力好（对应低频信息）--马赫带效应7.人眼亮适应快（即对由暗变亮适应快），暗适应慢（对由亮变暗适应慢）。
9.人眼辨色能力强，辨别灰度能力差。
10.椎体细胞与杆状细胞的区别？人的视网膜有对红，绿，蓝颜色敏感程度不同的三种椎体细胞，两外还有一种在光功率极端低得条件下才起作用的杆状细胞，杆状细胞主要提供视野的整体视像，对低照度较敏感。
（联想：人在白天看到的东西是彩色的，这时主要是椎体细胞在工作，夜晚时看到的东西基本是灰色的黑白图像，此事主要是杆状细胞在起作用）11.常用的颜色模型：面向设备：CMY,RGB,YUV,YIQ,YCrCb面向视觉系统：HSV,HIS面向计算：CIE-XYZ12.图像的采集与显示：图像的获取即将图像采集到计算机中的过程，主要涉及成像及数模转换技术显示是将数字图像转化为适合人们使用的形式。
13.什么是抖动？在数字通信中，数字信号的有效瞬时相对其理想位置的短期的非积累性变化。
抖动有两种主要类型：确定性抖动和随机性抖动。
确定性抖动是由可识别的干扰信号造成的，这种抖动通常幅度有限，具备特定的（而非随机的）产生原因，而且不能进行统计分析。
随机抖动是指由较难预测的因素导致的时序变化。
例如，能够影响半导体晶体材料迁移率的温度因素，就可能造成载子流的随机变化。
另外，半导体加工工艺的变化，例如掺杂密度不均，也可能造成抖动。
（完整版）数字图像处理复习整理
（完整版）数字图像处理复习整理《数字图像处理》复习第⼀章绪论数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表⽰与描述）、彩⾊图像处理和多光谱及⾼光谱图像处理、形态学图像处理第⼆章数字图像处理基础2-1 电磁波谱与可见光1.电磁波射波的成像⽅法及其应⽤领域：⽆线电波（1m-10km）可以产⽣磁共振成像，在医学诊断中可以产⽣病⼈⾝体的横截⾯图像☆微波（1mm-1m）⽤于雷达成像，在军事和电⼦侦察领域⼗分重要红外线（700nm-1mm）具有全天候的特点，不受天⽓和⽩天晚上的影响，在遥感、军事情报侦察和精确制导中⼴泛应⽤可见光（400nm-700nm）最便于⼈理解和应⽤最⼴泛的成像⽅式，卫星遥感、航空摄影、天⽓观测和预报等国民经济领域☆紫外线（10nm-400nm）具有显微镜⽅法成像等多种成像⽅式，在印刷技术、⼯业检测、激光、⽣物学图像及天⽂观测X射线（1nm-10nm）应⽤于获取病⼈胸部图像和⾎管造影照⽚等医学诊断、电路板缺陷检测等⼯业应⽤和天⽂学星系成像等伽马射线（0.001nm-1nm）主要应⽤于天⽂观测2-2 ⼈眼的亮度视觉特征2.亮度分辨⼒——韦伯⽐△I/I（I—光强△I—光照增量），韦伯⽐⼩意味着亮度值发⽣较⼩变化就能被⼈眼分辨出来，也就是说较⼩的韦伯⽐代表了较好的亮度分辨⼒2-3 图像的表⽰3.⿊⽩图像：是指图像的每个像素只能是⿊或⽩，没有中间的过渡，⼀般⼜称为⼆值图像（⿊⽩图像⼀定是⼆值图像，⼆值图像不⼀定是⿊⽩图像）灰度图像：是指图像中每个像素的信息是⼀个量化了的灰度级的值，没有彩⾊信息。
彩⾊图像：彩⾊图像⼀般是指每个像素的信息由R、G、B三原⾊构成的图像，其中的R、B、G是由不同的灰度级来描述的。
4.灰度级L、位深度k L=2^k5.储存⼀幅M×N的数字图像所需的⽐特 b=M×N×k例如，对于⼀幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit）2-4 空间分辨率和灰度级分辨率6.空间分辨率是图像中可分辨的最⼩细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。
数字图像处理复习(参考版)
题型：选择10道20分，填空10-15道10-15分，名词解析3-4道15-20分，简答题2道20分，程序题1道10分，计算2道20分一、1、数字图像的特点：图像数据量庞大；精度高；再现性好2、数字图像的应用领域：医学：x-ray，超声波成像，CT遥感：农作物估产，地质勘探，天气预报工业：无损探伤，外观自动检查。
军事公安：巡航导弹地形识别，指纹识别，手迹鉴定考题：如医学上数字图像的应用表现在：x-ray，超声波成像，CT3、DIP的应用：电磁波，声波，超声波，电子，合成；电磁波：Gamma 射线（PET），X射线（CT），紫外线，可见光，红外（多光谱遥感），微波（雷达），无线电波（MRI）二、1、人眼的构造：锥状细胞：分辨力强，色彩；白昼视觉；杆状细胞：对低照度敏感；夜视觉（填空或选择题）2、不同照明下，人眼辨别光强度变化的能力不同。
（低照明时，亮度辨别较差（韦伯比大）高照明时，亮度辨别力好（韦伯比小）（填空题）3、马赫带效应：当亮度发生跃变时，视觉上会感到边缘的亮侧更亮些，暗侧更暗些。
在图像轮廓部分发生的主观亮度对比度加强的现象，又称为边缘对比效应。
（名词解析题）4、同时对比效应：眼睛对物体的主观亮度强烈的依赖于物体自身的背景。
当灰色物体周围是黑色背景时，主观亮度增强；当周围背景变明亮时，主观亮度会减弱。
（名词解析题）5、1）图像获取的步骤答：采样Sampling：图像空间坐标的数字化。
将空间上连续的图像变换成离散点的操作。
量化Quantization：图像函数值（灰度值）的数字化。
将像素灰度转换成离散的整数值的过程。
2）影响采样和量化的因素答：空间分辨率：图像中可辨别的最小细节。
采样。
采样间隔越小，像素数越多，空间分辨率高，图像质量好，但数据量大。
采样间隔越大，像素数越少，空间分辨率低，图像质量差，严重时出现像素呈块状的国际棋盘效应；灰度级分辨率：灰度级别中可分辨的最小变化。
量化量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
30452计算题复习一、直方图均衡化（P68）对已知图像进行直方图均衡化修正。
例：表1为已知一幅总像素为n=64×64的8bit数字图像（即灰度级数为8），各灰度级（出现的频率）分布列于表中。
要求将此幅图像进行均衡化修正（变换），并画出修正（变换）前后的直方图。
表1解：对已知图像均衡化过程见下表：画出直方图如下：（a ）原始图像直方图 （b ）均衡化后直方图**以下部分不用写在答题中。
其中：① r k 、n k 中k = 0，1，…，7② p r （r k ）= n k ／n ，即计算各灰度级像素个数占所有像素个数的百分比，其中∑==kj jnn 0，在此题中n =64×64。
③ ∑==kj jrk r p s 0)(计，即计算在本灰度级之前（包含本灰度级）所有百分比之和。
④ ]5.0)1int[(+-=计并k k s L s ，其中L 为图像的灰度级数（本题中L = 8），int[ ]表示对方括号中的数字取整。
⑤ 并k k s s =⑥ n sk 为映射对应关系r k →s k 中r k 所对应的n k 之和。
⑦ n n s p sk k s /)(=，或为映射对应关系r k →s k 中r k 所对应的p r (r k )之和。
二、 模板运算 使用空间低通滤波法对图像进行平滑操作（P80）空间低通滤波法是应用模板卷积方法对图像每一个像素进行局部处理。
模板（或称掩模）就是一个滤波器，它的响应为H (r ,s )，于是滤波输出的数字图像g(x ,y )用离散卷积表示为)6.2.4(),(),(),(∑∑-=-=--=lls k k r s r H s y r x f y x g式中：x ，y = 0，1，2，…，N -1；k 、l 根据所选邻域大小来决定。
具体过程如下： （1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）； （2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加； （3）将（2）中的结果赋给图像中对应模板中心位置的像素。
对于空间低通滤波器而言，采用的是低通滤波器。
由于模板尺寸小，因此具有计算量小、使用灵活、适于并行计算等优点。
常用的3*3低通滤波器（模板）有：模板不同，邻域内各像素重要程度也就不同。
但无论怎样的模板，必须保证全部权系数之和为1，这样可保证输出图像灰度值在许可范围内，不会产生灰度“溢出”现象。
1 7 1 8 1 7 1 1 1 1 1 5 1 1 1 1 1 1 5 5 5 1 1 7 1 1 5 5 5 1 8 1 8 1 1 5 1 1 1 1 8 1 1 5 1 1 8 1 1 1 1 5 1 1 1 1 1 7 1 8 1 7 11解：低通滤波的步骤为：（1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）；（2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加；（3）将（2）中的结果赋给图像中对应模板中心位置的像素。
如图中第2行第2列处的值 = （1*1+1*7+1*1+1*1+2*1+1*1+1*1+1*1+1*5）/10 = 2（其他位置同样方法计算可得）由此步骤可得处理结果为（空白处自己计算后填入）1 71817 1 112 1 1 7 1 1 8 1 8 1 1 1 1 7 1 8 1 7 1 1三、 中值滤波与邻域平均中值滤波（P81）中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中间值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。
它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。
但它对点、线等细节较多的图像却不太合适。
局部平滑法（邻域平均法 或 移动平均法）（P76）局部平滑法是一种直接在空间域上进行平滑处理的技术。
用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
设有一幅N ×N 的图像f (x ,y )，若平滑图像为g (x ,y )，则有)1.2.4(),(1),(,∑∈=sj i j i f My x g式中x ,y = 0,1,…,N -1；s 为（x ,y ）邻域内像素坐标的集合； M 表示集合s 内像素的总数。
可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。
设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过（4.2.1）平滑后，信号与噪声的方差比可望提高M 倍。
这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。
而且邻域越大，在去噪能力增强的同时模糊程度越严重。
例：对下图做3*3中值滤波处理和3*3邻域平均处理，写出处理结果，并比较邻域平均与中值滤波的差异。
1 7 1 8 1 7 1 1 1 1 1 5 1 1 1 1 1 1 5 5 5 1 1 7 1 1 5 5 5 1 8 1 8 1 1 5 1 1 1 1 8 1 1 5 1 1 8 1 1 1 1 5 1 1 1 1 1 7 1 8 1 7 1 1解：（1）中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中间值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。
题目中的图像经3*3中值滤波后的结果为（忽略边界）：1 7 1 8 1 7 1 1 1 1 5 5 5 1 1 1 1 1 5 5 5 1 1 7 1 1 5 5 5 1 1 18 1 1 5 1 1 1 18 1 1 1 1 1 1 11 1 1 1 1 1 1 11 7 1 8 1 7 1 1（2）局部平滑法（邻域平均法或移动平均法）是用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
题目中的图像经3*3局部平滑法（邻域平均法或移动平均法）后的结果为（忽略边界）：1 7 1 8 1 7 1 11 19/9 38/9 40/9 38/9 23/9 21/9 11 71 18 18 11 11 7 1 8 1 7 1 1中值滤波法和局部平滑法（邻域平均法或移动平均法）均能有效削弱椒盐噪声，但中值滤波法比邻域平均法更有效，且滤波后图像中的轮廓比较清晰。
四、霍夫曼编码（P124）例：设有一信源A={a1, a2, a3, a4, a5, a6}，对应概率P={0.1, 0.4, 0.06, 0.1, 0.04, 0.3}. （1）进行霍夫曼编码（要求大概率的赋码字0，小概率的赋码字1），给出码字；（2）计算平均码长，信源熵和编码效率。
解：（1）编码步骤1）缩减信源符号数量将信源符号按出现概率从大到小排列，然后结合2）对每个信源符号赋值从（消减到）最小的信源开始，逐步回到初始信源由此可得哈夫曼编码结果见下表平均码长2.2504.0.0506.0.041.031.023.014.01∑-==⨯+⨯+⨯+⨯+⨯+⨯==L i i ip B β（其中，i β是灰度值为i 的编码长度，i p 为灰度值为i a 的概率，L 为灰度级数） 信源熵14.2log 21=-=∑-=i L i ip pH编码效率973.02.214.2===B H η五、费诺—仙农编码（P126）费诺—仙农编码与Huffman编码相反，采用从上到下的方法。
香农-范诺编码算法步骤：（1）按照符号出现的概率减少的顺序将待编码的符号排成序列。
（2）将符号分成两组，使这两组符号概率和相等或几乎相等。
（3）将第一组赋值为0，第二组赋值为1。
（4）对每一组，重复步骤2的操作。
例：设一副灰度级为8的图象中，各灰度所对应的概率分别为0.04，0.05，0.06，0.07，0.10，0.10，0.18，0.40，要求对其进行费诺.仙侬编码。
解：根据费诺—仙农编码的方法进行分组和赋值如下图所示所得编码结果如下表六、 算术编码（P127）例：编码来自1个4-符号信源{a 1, a 2, a 3, a 4}的由5个符号组成的符号序列：b 1b 2b 3b 4b 5 = a 1a 2a 3a 3a 41a 2a 3a 4a 信源符号概率初始子区间0.20.20.40.2[0 , 0.2][0.8 , 1.0][0.4 , 0.8][0.2 , 0.4]解：由L C F N l s s *+=（新子区间的起始位置=前子区间的起始位置+当前符号的区间左端*前子区间长度） L C F N r s e *+=（新子区间的结束位置=前子区间的起始位置+当前符号的区间右端*前子区间长度）可得，对于｛a 1，a 2，a 3，a 3，a 4｝，有 a 1 [0，0.2]a1a2 [0.2*0.2，0.2*0.4]=[0.04，0.08]a1a2a3 [0.04+0.04*0.4，0.04+0.04*0.8]=[0.056，0.072] a1a2a3a3 [0.056+0.016*0.4，0.056+0.016*0.8]=[0.0624，0.0688] a1a2a3a3a4[0.0624+0.0064*0.8，0.056+0.0064*1]=[0.06752，0.0688]解码过程 0.068702020340....=-(1)0.068 在区间[0 ,0.2] ，可知第一个源符号为a 1(2)在区间[0.2-0.4]中，第二个为a 2(3)在区间[0.4-0.8]中，第三个为a 3(4)在区间[0.4-0.8]中，第四个为a 3(5)在区间[0.8-1]中，第五个为a 43402000680...=-750404070....=-87504040750....=-七、 区域分割状态法（峰谷法、灰度阈值法）（P155）基本思想是，确定一个合适的阈值 T。
将大于等于阈值的像素作为物体或背景，生成一个二值图像。
阈值的 选定可以通过如下图中灰度直方图确定。
方法：首先统计最简单图像的灰度直方图，若直方图呈双峰且有明显的谷，则将谷所对应的灰度值 T 作为 阈值，按图右侧的等式进行二值化，就可将目标从图像中分割出来。
这种方法适用于目标和背景的灰度差 较大、有明显谷的情况。
g(x,y)0 1f (x, y) T f (x, y) T在四邻域中有背景的像素，既是边界像素。
例：对下面的图像用状态法进行二值化，并计算二值图像的欧拉数。
01321321 05762567 16061634 26753565 32272616 26502750 12321212 31231221解：（1）首先根据已知列出灰度级分布表灰度级 0 1 2 3 4 5 6 7像素个数 5 12 16 8 1 7 10 5（2）画出图像的直方图16 14 12 108 6 4 2 001234567（3）由此可确定阈值T=4，根据g(x,y)0 1f (x, y) T，二值化的图像如下：f (x, y) T00000000 01110111 01010100 01110111 00010101 01100110 00000000 00000000（4）在二值图像中，1 像素连接成分数 C 减去孔数 H 的差值叫做这幅图像的欧拉数。